最近我在 Threads 上看到不少這樣的帳號：每天都發文，乍看之下內容沒有問題，知識點也夠，但底下幾乎沒有互動，沒有轉發，也沒有人私訊。讀起來毫無個人特色，也無品牌的價值與精神，就像在聽機器人念稿。
這些內容儘管稱不上 AI Slop（AI 垃圾），卻可謂充滿了生硬又拗口「AI 腔」，讓人不禁懷疑背後到底是由真人寫作，還是複製大軍自動生成。
而當這類貼文越來越頻繁地出現社群媒體上，更讓人驚覺：AI 將人類均值化，甚至促成某種意義上的「殖民」，恐怕不再是你我的杞人憂天。
AI 再現的殖民主義
美國康乃爾（Cornell）大學研究者 Dhruv Agarwal、Mor Naaman 與 Aditya Vashistha，在 2025 年 CHI 人機互動頂級學術會議上發表了一篇論文，研究「AI 寫作建議」對不同文化背景使用者的影響。
研究者設計了一個跨文化實驗，比較印度與美國使用者在使用 AI 建議（AI Suggestion）當寫作輔助前後的書寫風格變化。結果發現，當兩組使用者都使用同一套 AI 建議工具時，他們的文章開始越寫越像。
換句話說，非西方的書寫習慣和文化細節，漸漸向美國式的表達方式靠攏。研究中有一組對比最為清晰：同樣是描述排燈節（Diwali），沒有使用 AI 的印度參與者寫道，會「供奉拉克希米女神」、「放炮竹、吃甜食」。使用 AI 的另一位印度參與者，卻把自己的節日寫成「享用傳統印度早餐」、「充滿溫暖與幸福的時光」——後者雖然也在描述自己文化中的重要節日，卻像是在寫一份觀光手冊。
研究還發現：印度使用者接受了 25% 的 AI 建議，比美國使用者的 19% 更高，但因為 AI 給的內容太偏向西方語境，他們更頻繁地需要修改這些建議，每一個建議的平均效益反而更低，效率提升幅度也比美國使用者更有限。
研究者把這個現象稱為「AI 殖民主義」（AI colonialism）：當大語言模型主要由西方公司開發、以英語世界的資料訓練，部署到全球之後，它會把所有使用者的表達方式，往少數科技強權國家與企業靠攏。
繁體中文的雙重邊緣化
印度的案例看似離我們很遙遠，但另一份研究真實地點出了繁體中文使用者的雙重邊緣化困境。
Hanjia Lyu、Jiebo Luo、Jian Kang 與 Allison Koenecke 在 2025 年 ACM FAccT 會議發表的論文，測試了 11 個主流商用與開源模型。在「地區用語選擇」任務中，幾乎所有模型在簡體中文提示下產生正確地區用語的比例，都顯著高於繁體中文提示。唯一例外是由聯發創新基地（MediaTek Research）推出、繁體中文導向的 Breeze。
更值得注意的是，即使是專為台灣繁體中文設計的 Taiwan-LLM，也仍會在繁體中文提示下出現「錯置」回覆，把台灣用語替換成中國用語。
研究者推測，這部分可能與訓練資料中的台灣地區繁體中文語料分布不均有關，即使在繁體中文語料庫中也相對代表性不足。除此之外，研究也在姓名選擇任務中指出，簡繁中文的斷詞差異可能影響模型行為；多數模型會把繁體中文姓名切成更多 token，使 tokenization 本身成為偏誤來源之一。
換句話說，全球模型以英文為中心，中文語料又以簡體為大宗──繁體中文在這套系統裡，是邊緣中的邊緣。西方讀者對「AI 腔」的不滿多半是修辭層面的：太平順、太公式化。但對繁體中文使用者來說問題更多，也更根本。
如果只是風格問題，調整提示詞或許能改善，但當 AI 的推理邏輯本來就是為另一種語言設計的，連斷詞方式都對這個語言不利，這不是提示詞可以改善的問題。如果 AI 腔真的可以靠提示詞工程消除，它早就應該這一兩年消失了。
AI 讓「寫得不錯」開始氾濫
研究者 Anil Doshi 與 Oliver Hauser 在 2024 年發表於《科學進展》（Science Advances）期刊的研究，提供了另一個角度來理解這件事。
他們讓 293 名寫作者創作短篇故事，分成三組：一組沒有 AI 輔助，另外兩組分別從 AI 取得一個或五個情節點子，再據此自行寫作。結果，取得五個 AI 點子那組的作品，新穎度提升了 8.1%，實用性提升了 9%。但整體來看，有 AI 輔助的作品彼此相似度也更高。AI 帶來的提升，幾乎全部發生在原本創意較弱的人身上。
換句話說，AI 弭平不會寫作與會寫作者的差距，讓「寫得不錯」越來越普遍，市場上真正稀缺的東西，從「會寫」變成「會寫且有自己的特色」──但諷刺的是，AI 磨掉的正好是後者。而那些原本就很會寫作的聲音即使沒有消失，也會逐漸淹沒在靠 AI 量產、數量龐大的、「寫得不錯」但沒有辨識度的 AI 貼文裡。
多年過後，我們是否還能認出彼此？
書寫方式不只是溝通工具，更是文化記憶最縝密的載體。對語言使用者來說，文字是一種文化表達：人類思考問題的順序、偏愛的詞彙，與閱讀時無意識在某個語句停頓的瞬間，都藏著文化書寫與閱讀的細節。
因此，如今趨勢真正讓我不安的，是時間疊加的量變與質變：2026 年的今天，我們尚能一眼認出這篇是 AI 寫的、那篇有一點 AI 腔，然後心裡嘀咕一聲真是浪費我時間，但是當 AI 越來越普及，所有人都用 AI 產出均質化的文字、也習慣接受這樣的資訊⋯⋯十年過後，我們還能辨認出彼此的差別嗎？
（本文由作者授權換日線編輯與增訂小標，原文請見此）
執行編輯：洪翊芳
核稿編輯：張翔一
